質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

88.63%

KerasのCNNにおける複数次元の入力方法について

受付中

回答 0

投稿 編集

  • 評価
  • クリップ 0
  • VIEW 1,791

tagaa

score 13

前提

KerasのCNNで画像を学習し、学習した重みを保存するプログラムを以下のプログラムで作成済みです。プログラムでは"a0"フォルダの画像群と"a1"フォルダの画像群をCNNで学習し、2クラス分類するための重みを保存しています。
a0フォルダの画像ファイル名は[1-a.jpg, 2-a.jpg, ... ,1000-a.jpg]となっており、
a1フォルダの画像ファイル名は[1001-a.jpg, 1002-a.jpg, ... ,2000-a.jpg]となっています。
全てRGB画像ですのでCNNへの入力は3次元になっています。

実現したいこと

別の画像フォルダ"b0"と"b1"内の画像を"a0"と"a1"の画像とセットにして6次元の入力で学習させたいです。
b0フォルダの画像ファイル名は[1-b.jpg, 2-b.jpg, ... ,1000-b.jpg]となっており、
b1フォルダの画像ファイル名は[1001-b.jpg, 1002-b.jpg, ... ,2000-b.jpg]となっています。
1-a.jpg(3チャンネル)と1-b.jpg(3チャンネル)を1セットとして計6チャンネルで入力→
同様に2-a.jpgと2-b.jpgの6チャンネルを入力→これをフォルダ内全ての画像(1000ペア)で行い学習させるイメージです。

コードが見辛かったら申し訳ありません。
このような6次元の入力は可能なのでしょうか...?
可能でしたら以下のプログラムを改良したコードを回答欄に載せていただけると助かります...

よろしくお願いします。

学習プログラム

# coding:utf-8                                                                                                             

import keras
from keras.layers import Conv2D, MaxPooling2D, Lambda, Input, Dense, Flatten, BatchNormalization
from keras.utils import np_utils
from keras.models import Sequential
from keras.layers.convolutional import Conv2D, MaxPooling2D
from keras.layers.core import Dense, Dropout, Activation, Flatten
import numpy as np
from sklearn.model_selection import train_test_split
from PIL import Image
import glob
from keras.utils import plot_model
#mpl.use('Agg')                                                                                                            
import matplotlib.pyplot as plt
import tensorflow as tf
from keras import optimizers


folder = ["a0","a1"]
image_size = 224
epoch_size = 100
batch_size = 256

X = []
Y = []
#画像は50×50ピクセルのRGB形式に変換され、それぞれnumpy形式に変換                                                           
for index, name in enumerate(folder):
    dir = "./" + name
    files = glob.glob(dir + "/*.jpg")
    for i, file in enumerate(files):
        image = Image.open(file)
        image = image.convert("RGB")
        image = image.resize((image_size, image_size))
        data = np.asarray(image)
        X.append(data)
        Y.append(index)
#Xは画像データ、Yは正解ラベルのデータ                                                                                      
X = np.array(X)
Y = np.array(Y)
#画像データを0から1の範囲に変換                                                                                            
X = X.astype('float32')
X = X / 255.0

#正解ラベルの形式を変換                                                                                                                                               
Y = np_utils.to_categorical(Y, 2)

# 学習用データとテストデータに分割                                                                                                                                           
#X_train(訓練データ), X_test(テストデータ), y_train(訓練ラベル), y_test(テストラベル)                                                                                                                              
X_train, X_test, y_train, y_test = train_test_split(X, Y, test_size=0.285)

model = Sequential()

model.add(Conv2D(48, 11, strides=(3, 3), activation='relu', padding='same',input_shape=X_train.shape[1:]))
model.add(MaxPooling2D(pool_size=(3, 3), strides=(2, 2)))
model.add(BatchNormalization())
model.add(Conv2D(128, 5, strides=(3, 3), activation='relu', padding='same'))
model.add(MaxPooling2D(pool_size=(3, 3), strides=(2, 2)))
model.add(BatchNormalization())
model.add(Conv2D(192, 3, strides=(1, 1), activation='relu', padding='same'))
model.add(Conv2D(192, 3, strides=(1, 1), activation='relu', padding='same'))
model.add(Conv2D(128, 3, strides=(1, 1), activation='relu', padding='same'))
model.add(MaxPooling2D(pool_size=(3, 3), strides=(2, 2)))
model.add(BatchNormalization())

model.add(Flatten())
model.add(Dense(2048, activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(2048, activation='relu'))
model.add(Dropout(0.5))

model.add(Dense(2, activation='softmax'))

model.summary();
#plot(model, show_shapes=True, show_layer_names=True, to_file='summury.png')                                               

# コンパイル                                                                                                                                                          
model.compile(loss='categorical_crossentropy',optimizer='Adam',metrics=['accuracy'])

#訓練                                                                                                                                                                                   
history = model.fit(X_train, y_train, epochs=epoch_size, batch_size=batch_size, verbose=1, shuffle=True, validation_split=0.25)

#評価 & 評価結果出力                                                                                                                                                                                           
score = model.evaluate(X_test, y_test, verbose=0)
print('Test loss :', score[0])
print('Test accuracy :', score[1])

### save weights                                                                                                           
json_string = model.to_json()
open('alexnet_model.json', 'w').write(json_string)
model.save_weights('alexnet_weights.h5')
  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 過去に投稿した質問と同じ内容の質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

質問への追記・修正の依頼

  • 退会済みユーザー

    2019/02/02 12:28

    複数のユーザーから「やってほしいことだけを記載した丸投げの質問」という意見がありました
    「質問を編集する」ボタンから編集を行い、調査したこと・試したことを記入していただくと、回答が得られやすくなります。

  • Q71

    2019/02/02 22:02

    > 以下のプログラムを改良したコードを回答欄に載せていただけると
    これだと「丸投げ」です。
    「自分はこうすればいいと思うのだが」という案はないのでしょうか。

    キャンセル

まだ回答がついていません

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 88.63%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる

関連した質問

同じタグがついた質問を見る